Что такое программное обеспечение для преобразования речи в текст - Руководство для начинающих 2022

Программное обеспечение для преобразования речи в текст позиционирует себя как универсальный магазин услуг транскрипции, предоставляя недорогую, простую в использовании, точную и быструю расшифровку, которую вы искали. Однако так ли это хорошо, как предполагает шумиха? Что такое программное обеспечение для преобразования речи в текст?

В двух словах, программное обеспечение для преобразования речи в текст, также известное как программное обеспечение для автоматического распознавания речи (ASR) или программное обеспечение для преобразования голоса в текст, представляет собой компьютерную программу, которая сортирует слуховые данные и преобразует их в слова с использованием символов Unicode с использованием лингвистических алгоритмов.

Проще говоря, программное обеспечение для преобразования голоса в текст «слушает» звук и создает дословную расшифровку, которую можно редактировать.

В Интернете существует множество поставщиков услуг автоматической транскрипции. Большинство из них предлагают привлекательную цену, которую любой, кто знаком с услугами транскрипции, найдет привлекательной — в среднем около 0,10 фунтов стерлингов за минуту записанного звука, а некоторые даже бесплатны.

Большинство заявляют о точности от 90 до 95 процентов. Это верно только для «чистых» записей, что очень важно понять, прежде чем выбирать, может ли программное обеспечение ASR удовлетворить ваши потребности в транскрипции.

Прежде чем вы слишком взволноваетесь и пожертвуете своим бюджетом на транскрипцию в пользу программного обеспечения для преобразования речи в текст, рекомендуется освежить свои знания в этой технологии. Вот краткое изложение фактов о программном обеспечении для преобразования речи в текст и о том, как оно сравнивается с традиционными услугами транскрипции.

Как работает программное обеспечение преобразования речи в текст?

Процесс превращения речи в текст влечет за собой несколько процессов. Когда вы говорите, вы посылаете серию вибраций. Аналого-цифровой преобразователь, или АЦП, преобразует их в цифровой язык.

Выбирая звуки из аудиофайла и проводя регулярные очень подробные измерения волн, АЦП может завершить это преобразование. Фильтр в системе различает значительные шумы и различает частоты. Скорость речи также регулируется, а громкость устанавливается на заданный уровень.

Затем сигнал сегментируется на сотые или тысячные доли секунды, и эти сегменты сопоставляются с фонемами (фонема — это звуковая единица, которая отличает одно слово от другого в определенном языке). В английском языке более 40 фонем. Затем каждая фонема исследуется и оценивается в связи с другими соседними фонемами, и система сравнивает сеть фонем с хорошо известными предложениями, конкретными словами и фразами, используя сложную математическую модель. Затем система генерирует текст, используя обработку естественного языка, на основе того, что человек, скорее всего, сказал. Это может быть фрагмент текста (текстовый файл) или окончательная компьютерная инструкция.

Хорошее, плохое и уродливое программное обеспечение ASR/преобразования речи в текст

На первый взгляд ASR кажется фантастическим решением. Однако, если вы копнете немного глубже, вы обнаружите определенные трудности, особенно с определенными видами записи. При сравнении ASR со службами транскрипции, основанными на людях, важно учитывать плюсы, минусы и недостатки.

Преимущества программного обеспечения преобразования речи в текст

Наиболее важными преимуществами ASR являются его быстрота и низкая стоимость. Автоматическое распознавание речи (ASR) обеспечивает быстрые результаты, а в некоторых ситуациях даже может предоставлять услуги в режиме реального времени. Сопутствующая стоимость также значительно дешевле, чем стоимость человеческих услуг.

Некоторые компании берут поминутную оплату. Другие имеют установленную ежемесячную цену. Обычно вы ограничены определенным количеством загрузок в месяц с платными программами. Вы должны рассчитывать на то, что будете тратить примерно 0,07–0,10 фунтов стерлингов за минуту аудио для службы автоматической транскрипции, независимо от того, как вы взимаете плату.

С другой стороны, некоторые услуги совершенно бесплатны. У вас больше шансов получить значительно лучшие результаты, если вы заплатите за доступ к программному обеспечению для транскрипции. Но сначала давайте рассмотрим некоторые проблемы с программным обеспечением для преобразования речи в текст.

Недостатки программного обеспечения преобразования речи в текст

Способность технологии автоматического распознавания голоса производить исключительно дословный текст является одним из ее основных недостатков. В отсутствие человека система может только транскрибировать то, что уже есть. В результате вы можете получить стенограмму, которую трудно прочитать.

Обычно люди колеблются, издают звуки типа «эм» и спотыкаются на определенных словах во время разговора. Все на ленте будет включено в дословный текст. Социальные службы могут привести это в порядок и предоставить гораздо более понятную стенограмму, сохранив при этом все детали и точность исходной записи.

Уродливая сторона программного обеспечения преобразования речи в текст

Точность ASR является наиболее важным компонентом. Даже самое лучшее программное обеспечение для преобразования речи в текст редко достигает точности более 80%, а это означает, что вам придется тратить время и усилия на исправление и улучшение своей работы.

ASR может генерировать бессмысленные результаты, если есть «усложняющие» элементы. Вам понадобятся «чистые» аудиозаписи, чтобы получить приемлемую стенограмму из службы преобразования речи в текст. Это означает высококачественную запись людей, говорящих осторожно, по одному, без акцентов и с минимальным фоновым шумом.

У ASR также могут возникнуть трудности с пониманием специализированного языка или распознаванием торговых марок и отраслевого жаргона. Чтобы предотвратить такие проблемы, большинство служб транскрипции позволяют вам предложить глоссарий слов или связать вас с транскрибером, который обладает знаниями в соответствующей области. Программное обеспечение ASR можно со временем обучить определенным секторам или темам, но это требует усилий и вряд ли будет тем, что вы получите из коробки.

Чем ASR отличается от услуг транскрипции с участием человека

Технологии преобразования речи в текст и услуги транскрипции, выполняемые человеком, имеют ряд важных отличий.

Расходы

Для многих людей цена является основным фактором, а услуги транскрипции человека намного дороже, чем ASR. Некоторые услуги ASR бесплатны, в то время как большинство из них стоит от 0,10 до 0,20 фунтов стерлингов за минуту. С другой стороны, социальные услуги обычно стоят около 2 фунтов стерлингов в минуту. При длительном сроке выполнения возможна более низкая цена. Даже если вы можете подождать расшифровку стенограммы неделю, услуга с участием человека будет дороже, чем программное обеспечение для преобразования речи в текст.

Время

Социальные службы функционируют в течение значительно более длительного периода времени, чем ASR. Службы социального обеспечения часто имеют время выполнения заказа от 12 до 24 часов, при этом многие предлагают гарантию времени доставки. ASR работает значительно быстрее, генерируя стенограммы за считанные секунды. Вы почти наверняка будете платить больше, если вам сразу понадобится транскрипция, основанная на человеческом факторе.

Универсальность и опции

Единственный способ получить дословную стенограмму с помощью ASR — это если программное обеспечение для распознавания речи соответствует задаче с точки зрения точности. Услуги, предоставляемые человеком, предоставляют гораздо более широкий спектр возможностей, таких как дословные и подробные заметки. Опция дословного перевода большинства служб расшифровки, основанная на людях, по-прежнему будет удалять ошибки, сокращать паузы, а также «гм» ​​и «ошибки», в результате чего версия будет значительно легче для чтения (если только вы не попросите оставить все детали). Подробные примечания делают еще один шаг вперед, предоставляя более сжатую стенограмму. Это может включать в себя обобщение запросов и удаление болтовни и любезностей, которые не относятся к теме.

Качество и уверенность

Когда вы пользуетесь услугами транскрипции с участием человека, вы можете быть уверены, что результат будет более высокого качества. Социальные службы имеют гарантии контроля качества и обычно обеспечивают уровень точности 99 процентов или выше, за исключением звука, который совершенно неразборчив.

Стенограммы будут проверены для вас, поэтому вам не придется тратить время на проверку текста или внесение изменений самостоятельно. Если вы используете ASR, вы можете обнаружить, что вам приходится тратить значительное количество времени на поиск ошибок в тексте, исправление искаженного текста и удаление слов и нежелательных шумов.

Резюме: Преобразование речи в текст — экономичное решение.

Программное обеспечение для преобразования речи в текст является экономически выгодным вариантом для людей, нуждающихся в услугах быстрой расшифровки.

Поскольку ASR настолько недорог и часто даже бесплатен, стоит попытаться увидеть, какие результаты вы можете получить. Вы можете выяснить, какое качество звука требуется для получения понятных результатов, поэкспериментировав с различными вариантами.

Вы должны инвестировать в создание высококачественной записи, чтобы получить качественную транскрипцию с помощью ASR. Тем не менее, вам нужно будет инвестировать в услугу, основанную на людях, если вы хотите множество вариантов, точную транскрипцию и непревзойденное внимание к деталям.